Las tres eras: la analógica, la digital y la IA

Los que nacimos en los años 80 podemos sentirnos unos privilegiados. Crecimos en una era casi completamente analógica, y así aprendimos a pensar y se desarrollaron nuestras primeras capacidades cognitivas. Luego, en plena adolescencia, en los años 90, irrumpió Microsoft con sus primeras versiones de Windows montadas en ordenadores completamente revolucionarios y “futuristas”. Recuerdo perfectamente mi asombro al ver por primera vez un ratón en funcionamiento, y los sistemas de ventanas que trastocaron por un tiempo mi lógica de pensamiento. También vivimos, en plena formación profesional, toda la revolución de internet y el crecimiento incontenible de las redes sociales. A ello también tuvimos que adaptarnos; la alternativa era convertirnos en analfabetos digitales. Ahora toca adaptarse una vez más, esta vez a la revolución imparable de la inteligencia artificial (IA). Buena parte de mi generación ha tenido que desarrollar —y en consecuencia ha demostrado— una flexibilidad de pensamiento y una resiliencia cognitiva probablemente sin precedentes. Haber vivido estas tres eras —la analógica, la digital y ahora la de la IA— ha sido, sin duda, un auténtico desafío de supervivencia y, a la vez, una enorme suerte.

Sin embargo, todas estas potencialidades se ponen a prueba ante una tecnología tan prometedora como inquietante. Buen ejemplo de ese doble filo: no hace ni cinco años que los investigadores Fabio Urbina y Sean Ekins (de Collaborations Pharmaceuticals), junto con colaboradores del King’s College y del laboratorio suizo Spiez, demostraron el enorme potencial de la IA y, a la vez, alertaron de los graves peligros de su uso en manos inescrupulosas: en menos de seis horas, en un ordenador modesto (un Mac de 2015), entrenaron un modelo que generó unas 40.000 moléculas tóxicas; entre ellas, redescubrió agentes conocidos como el VX, uno de los más letales que existen, más tóxico que el sarín.^[1]

Es un hecho que, además del desarrollo frenético de estas tecnologías —aupado por la competencia sin cuartel entre gobiernos poderosos, como el chino y el estadounidense, y entre potentes empresas privadas—, estas herramientas han empezado a popularizarse y a estar al alcance del ciudadano de a pie. Así las cosas, como ocurrió en su día con los ordenadores modernos e internet, toca de nuevo subirse al tren; pero esta vez conviene abrocharse bien los cinturones.

Llevo ya unos dos años empleando herramientas de IA: primero fue sobre todo ChatGPT y, desde hace aproximadamente un año, Claude Code. A pesar del tiempo transcurrido, no dejo de sentirme anonadado al contemplar y explorar lo que estas tecnologías son capaces de hacer hoy. Y lo más asombroso es el período relativamente corto en que lo han conseguido, y un ritmo de evolución que da verdadero vértigo.

¿Pensamos menos gracias a estas herramientas, o por fin podemos dedicar nuestro pensamiento a lo que de verdad importa?

En apenas un año apoyándome en el asistente Claude para mis tareas profesionales, he multiplicado por tres o por cuatro —como mínimo— mi rendimiento científico y profesional. Y, por si fuera poco, ese salto parece venir acompañado de un cambio de paradigma en la forma de trabajar y de resolver problemas: hoy, buena parte del intelecto del profesional puede concentrarse más en desentrañar, analizar y tomar decisiones relevantes a partir de los resultados, que en ejecutar tareas técnicas repetitivas o en construir las herramientas para extraer, representar y analizar esos resultados. Y esto es verdaderamente grandioso, al menos para quien investiga o resuelve problemas del mundo real.

Por otra parte, el potencial de aprendizaje es casi infinito; y las capacidades analógicas y digitales heredadas de las eras pasadas nos dan —a los de las tres eras— cierta ventaja para explotar y exprimir lo que la IA actual pone a nuestra disposición.

Quizá la mejor metáfora del panorama actual —en particular para investigadores y personas que, como yo, nos dedicamos a resolver problemas en el terreno de la ciencia— sea la del usuario haciendo las veces de “investigador principal” —en el ámbito académico— y el asistente de IA (Claude Code, ChatGPT, Copilot, etcétera) como todo un equipo de investigadores doctorados, expertos en las más diversas áreas del conocimiento, trabajando para ti.

¿Sabremos no delegar también lo que nunca debió salir de nuestras manos: el criterio, la duda, la responsabilidad?

Ciertamente, las oportunidades y los retos son gigantescos. Estar preparados y en disposición de afrontarlos será, muy probablemente, lo más “naturalmente inteligente” que podamos hacer.

En un próximo artículo mostraré, a través de un caso real, el salto en rendimiento y calidad que permiten estas herramientas: un modelo de IA predictor de la unión y presentación de péptidos por alelos HLA de clase II (relevante en inmunología y en el desarrollo de vacunas e inmunoterapias), desarrollado en menos de dos semanas, que alcanza un rendimiento comparable al de los mejores de su tipo en el campo.

---

Referencias

[1] Urbina, F., Lentzos, F., Invernizzi, C. & Ekins, S. (2022). Dual use of artificial-intelligence-powered drug discovery. Nature Machine Intelligence, 4, 189–191. DOI: 10.1038/s42256-022-00465-9. Coberturas divulgativas: Scientific American y TechXplore. ↩